数据科学是一门交叉的学科，涉及到很多的领域包括统计学、数学、计算机、人工智能、机器学习、数据库、模式识别、可视化技术等多学科的知识。
关于数据科学项目的就业前景，全球最顶尖管理咨询公司麦肯锡（McKinsey）出具了一份详细的分析报告，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在140000到190000之间，懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到1500000！
其中对大数据处理需求最旺盛的行业包括：制药业、计算机软件、互联网、科研、IT技术服务、生物技术。事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数美元了。
数据科学专业的就业方向
数据科学的三类职业方向：机器学习、数据分析和数据科学家。
1、机器学习工程师 Machine Learning Engineer
代表了技术含量较高的方向，工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要ship prouction coe，做出来的是数据产品。
2、数据分析员 Data Analyst
工作内容俗称analytics （prouct analytics or business analytics），从数据中提取insight，估计投资回报比，为产品方向提建议，所用工具一般较基础，比如写SQL query取数据、用R/Python做简单的分析、用Tableau/Excel作图比较常见，能自己开发Dashboar算是analyst里面技术强的，工作需要产生各种形式的报告；在统计层次上，懂基本t-test和线性回归即可。
3、数据科学家 Data Scientist
工作内容以高级建模为主，会针对复杂的问题来设计技术方案，比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Frau Detection、Amazon物流管理、FB/Linkein的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验。这些例子，听上去就不是写SQL能解决的，也不是会写代码就能做出来的，都需要比较深的领域知识。
美国数据科学硕士申请专业要求
首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，概率和统计等相关课程，能使用至少1种编程语言，例如Python或R，了解计算机科学概念。
其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的匹配专业。
最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。
所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。
申请数据科学专业需要哪些软性背景？
建议可以从科研方面加强，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。如果没有科研经历，那将是极大的硬伤。
此外，可以参加一些竞赛。竞赛的平台有很多，比如最近很火的Kaggle，再如阿里的天池、SODA、WID、数据嗨客等。
最后就是实习。实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。
所以建议找一些统计量化相关的或者计算机相关的实习。
